The Effect of Innovation Factor Allocation on the Upgrading of Green Innovation Chain

Liu Xiaohui1,2,Ren Qunluo1

(1.Faculty of Economics,Xinjiang University of Finance &Economics,Urumqi 830012,China;2.Department of Economic Management,Taiyuan Institute of Technology,Taiyuan 030008,China)

Abstract：It is well-accepted that green innovation is the key driving force of low-carbon economic transformation,promotes the chain development of knowledge innovation activities guided by market demand,and provides solid support for Chinese-style modernization.With the continuous play of market functions in allocating resources and connecting innovation,the level of innovation factor allocation in China has been significantly improved,effectively promoting the rational flow and efficiency optimization of green innovation factors and the upgrading of the green innovation chain.However,there is a lack of research on the impact of innovation factor allocation on the upgrading of green innovation chains in the existing literature,and the relationship between the two is still vague.

Using the panel data of 30 provinces,autonomous regions and municipalities in China from 2011 to 2020,this paper constructs a spatial Tobit Dubin model to test the impact of innovation factor allocation on the upgrading and spillover effects of the green innovation chain.It selects green innovation chain upgrading as the dependent variable,and adopts the improved Super-SBM model to measure the upgrading level of the green innovation chain.

The research draws the following conclusions.First,the upgrading of green innovation chains can be conducted in neighboring areas through the positive spatial spillover effect,promoting the upgrading of green innovation chains in surrounding areas.Second,innovation factor allocation has a significant positive impact on the upgrading of the green innovation chain and its spillover effect.This conclusion is still valid after a series of robustness tests.This indicates that innovation factor allocation is an important factor in promoting the upgrading of the green innovation chain.Third,there are significant regional differences in the impact of innovation factor allocation on the upgrading of green innovation chains and its spillover effects.In the eastern and western regions,the direct impact and spillover effect of innovation factor allocation on the upgrading of green innovation chains are both positive.In the central and northeastern regions,the direct impact of innovation factor allocation on the upgrading of green innovation chains is positive,while the impact on spillover effects is negative.Fourth,the influence of innovation factor allocation on the upgrading of the green innovation chain is moderated by the degree of marketization.The higher the degree of marketization,the stronger the role of innovation factor allocation in promoting the upgrading of the green innovation chain.Thus,in order to promote the high-quality upgrading of the green innovation chain,this paper puts forward corresponding suggestions,including promoting the efficient and reasonable allocation of innovation factors,building a regional green innovation synergy mechanism,and fully stimulating the supporting role of the market environment.

Compared to existing literature,this paper focuses on the input-output process of green innovation chain upgrading,constructs an evaluation system for the level of green innovation chain upgrading,and adopts an improved Super-SBM model to measure the level of green innovation chain upgrading,which makes up for the deficiencies in the existing research.Then it constructs a spatial Tobit Durbin model to verify the impact of innovation factor allocation on the upgrading and spillover effects of green innovation chains,and expands the research on the driving factors of green innovation chain upgrading from the perspective of factor allocation.Third,it examines the regional heterogeneity impact of innovation factor allocation on the upgrading of green innovation chains,so as to provide a basis for deepening research on the upgrading and spillover effects of green innovation chains.Fourth,it takes the degree of marketization as the moderating variable,and reveals how the external environmental mechanism of innovation factor allocation affects the upgrading of the green innovation chain.Therefore,this study helps to further play the decisive role of the market in innovation factor allocation and promote the upgrading of green innovation chains.In addition,it provides theoretical support for activating the momentum of green innovation and promoting the national green innovation system and ecological civilization construction.

Key Words：Innovation Factor Allocation; Upgrading the Green Innovation Chain; Marketization Degree; Spatial Tobit Dubin Model

DOI：10.6049/kjjbydc.2023020571

开放科学(资源服务)标识码(OSID)：

中图分类号：F124.3

文献标识码：A

文章编号：1001-7348(2024)14-0011-10

收稿日期：2023-02-04

修回日期：2023-05-08

基金项目：新疆维吾尔自治区研究生科研创新项目(XJ2022G212) ;新疆财经大学研究生科研创新项目(XJUFE2021B002)

作者简介：刘晓辉(1979—),男,山西平遥人,新疆财经大学经济学院博士研究生,太原工业学院经济与管理系副教授,研究方向为产业经济;任群罗(1962—),男,新疆伊犁人,博士,新疆财经大学经济学院教授、博士生导师,研究方向为产业经济、区域经济。

0 引言

中共二十大报告针对“加快发展方式绿色转型”提出新方向,明确“推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节”。在高质量发展目标驱动下,绿色创新成为引领产业链低碳循环转型的首要驱动力,对于促进经济与环境协同发展具有重要作用。在此过程中,“融合”与“链接”成为高质量发展的核心要义,促使兼具经济价值与环保价值的绿色创新链成为实现中国式现代化发展的全新引擎。绿色创新链是一个包含绿色创新思想产生、绿色研究成果转化及绿色产品创造的完整链条[1]。推动绿色创新链升级彰显出创新投入和价值创造的链式动态过程,对于促进经济动力转换与绿色结构转型具有重要意义。然而,现阶段我国创新要素配置能力薄弱、绿色创新投入不足、创新产出面临“低端锁定”、成果转化效率低等问题突出,致使绿色创新链升级受阻[2]。因此,激发区域创新要素配置潜力,加快推动创新要素流动,增加各类优质创新要素供给,成为实现绿色创新链升级的关键。

2021年12月,国务院办公厅印发《要素市场化配置综合改革试点总体方案》,要求“着力破除阻碍要素自主有序流动的体制机制障碍,全面提高要素协同配置效率”,为全面激发创新要素配置潜能、提升创新要素配置效率提供了重要方向。实际上,优化创新要素配置可提升绿色创新要素供给效率,推动绿色创新要素在遵循市场规律中实现合理高效流动。尤其是当创新资源面临较大约束时,创新要素配置可通过有限的要素投入最大限度地创造绿色创新效益,推动绿色创新链转型升级。可见,创新要素合理配置有利于推动绿色创新要素供给侧结构性改革,实现生产要素合理利用,继而赋能绿色创新链升级。

当前,中国经济已由高速增长阶段转向高质量发展阶段,创新要素配置对于推动经济高质量发展的重要性日益凸显。关于创新要素配置的研究主要集中在以下几个方面:第一,创新要素配置测度。部分学者对创新要素配置效率进行测量,如Emmanuel等[3]从静态视角测度创新要素利用效率;门秀萍等[4]基于2011—2020年长江经济带样本数据,利用超效率SBM模型测度创新要素配置效率,指出长江经济带创新要素配置效率呈稳步增长趋势。另有一部分学者对创新要素配置水平进行测量,认为中国创新要素市场配置水平在整体向好中稳步提升[5]。第二,创新要素配置影响效应。相关学者主要从创新要素流动、创新要素集聚和创新要素综合配置3个方面考察创新要素配置的经济作用。在创新要素流动层面,Montobbio[6]指出创新资本和创新人员流动可有效促进创新效率提升,继而有利于强化国际技术合作;凌华等[7]对互联网与区域创新能力关系进行分析,指出创新要素流动是互联网增强区域创新能力的重要驱动因素。在创新要素集聚层面,有学者认为创新要素集聚有利于提升技术创新能力,而创新要素稀缺则会导致区域创新失衡[8]。吴卫红等[9]指出创新要素集聚对区域创新绩效的溢出效应呈现倒U型趋势。在创新要素综合配置层面,彭影[10]认为创新要素综合配置有利于加速产业结构调整,助推产业结构向高级化方向迈进。

综上所述,现有文献主要围绕创新要素配置水平及其宏观经济影响展开。伴随绿色发展日益成为构建新发展格局、实现中国式现代化的重要推动力量,创新要素配置对绿色创新链升级的积极作用日益凸显。然而,鲜有文献对创新要素配置与绿色创新链升级关系进行探究,使得两者关系难以明晰。基于此,本文将创新要素配置与绿色创新链升级纳入同一框架,探究创新要素配置如何影响绿色创新链升级?两者存在何种内在机制?本文贡献在于:第一,关注绿色创新链升级投入—产出过程,构建多投入、多产出绿色创新链升级评价指标体系,采用改进的Super-SBM模型对绿色创新链升级水平进行测度,弥补既有研究不足。第二,构建Tobit空间杜宾模型,检验创新要素配置对绿色创新链升级及溢出效应的影响,从要素配置角度拓展绿色创新链升级驱动因素研究。第三,考察创新要素配置对绿色创新链升级的区域异质性影响,为深化绿色创新链升级及溢出效应提供理论依据。第四,以市场化程度为调节变量,揭示创新要素配置影响绿色创新链升级的外部环境机制。

1 理论分析与研究假设

1.1 创新要素配置与绿色创新链升级

创新链的概念最早由国外学者提出,主要通过对创新过程和环节的分解界定创新链升级过程[11]。伴随着绿色低碳循环发展上升为国家战略,绿色创新链作为由创新链衍生而来的概念愈发引起学者重视。绿色创新链升级是指绿色创新思想产生、绿色创新要素集聚、绿色产品研发与绿色成果商品转化的链式上升过程,对人才链、技术链和资金链配置水平要求较高[12]。创新要素配置可促进人才要素、技术要素、资本要素自由流动和动态集聚,激发各类要素边际报酬递增,继而赋能绿色创新链升级。

(1)人才要素优化效应。人才要素作为创新要素的重要组成部分,通过人才市场自主择业、学术交流和产学研合作等方式实现流动,对绿色创新链升级产生积极影响。卡兹曲线表明,工作流动会产生知识学习突破效应,促进新知识、新技术有效传播,从组织活力角度证明人才流动的必要性。因此,创新要素配置有利于推动创新人才在不同地区交换流动,降低产业链上下游企业绿色创新知识获取成本,促进绿色创新链升级。

(2)技术要素优化效应。技术要素是提高全要素生产率和实现绿色创新的关键力量。创新要素配置依托新技术研发、新产品开发、新工艺应用等环节建立互联互通的技术要素网络,为推动绿色创新链升级扫清技术障碍。具体而言,创新要素配置通过优化技术要素供给,建立绿色创新主体间的关联性,打破供求信息交互时空限制,使技术要素精准匹配于各主体创新活动,为实现绿色创新链升级注入动力。此外,创新要素配置可为绿色技术研发搭建合作平台,推动绿色产品协同研发、增值开发、众包设计,缩短绿色新技术研发周期和决策过程,加快绿色创新链升级。

(3)资金要素优化效应。绿色创新链升级往往会面临要素错配和融资约束问题,从而制约绿色创新研发突破。创新要素配置可加大资金要素配给力度和精准度,解决绿色研发活动中的资金要素供求失衡难题,推动绿色创新链升级。一方面,创新要素配置有利于实现资金要素自由流动,推动资金要素高级化与合理化配置,促使绿色创新资金向兼具较高边际产出和较低边际成本的创新主体倾斜[10],为绿色创新链升级注入资金活力;另一方面,创新要素配置有利于实现资金要素均衡,对区域绿色创新水平资金供给不均衡现状进行优化[13],缓解资金要素错配,降低创新产出损失,避免绿色创新水平降格,助推绿色创新链升级。据此,本文提出如下假设:

H1:创新要素配置对绿色创新链升级具有显著正向影响,创新要素配置功能发挥得越充分,绿色创新链升级效应越明显。

1.2 创新要素配置与绿色创新链升级的空间外溢效应

绿色创新链升级强调价值增值,涵括企业价值、科研机构价值、政府价值、创新生产者价值甚至绿色创新使用者价值。这表明,绿色创新链升级是一个价值共创过程[14],要求各区域在空间上发挥整体协作优势,实现要素共享与价值共创。某一地区绿色创新要素可通过要素共享、学习模仿等方式对周边地区绿色创新链升级产生影响。换言之,周边地区通过不断吸收来自绿色创新链升级水平较高地区的技术、人才、资金、数据等创新要素,借助“外溢效应”强化本地区绿色创新研发能力,促进研发成果增值,并逐步推动绿色创新链升级。可见,绿色创新链升级存在显著空间外溢性。基于此逻辑,进一步推断创新要素配置在促进本地区绿色创新链升级的同时,也有可能对周边地区绿色创新链升级产生截然不同的影响。一方面,绿色创新链升级水平较高地区创新能力较强,会促使周边地区将其作为榜样进行模仿学习,由此产生“学习效应”[15]。在此过程中,创新要素配置有利于推动要素自由流动与共享,促进周边地区绿色技术创新突破、创新成果转化,实现绿色创新链升级,继而激发绿色创新链升级正向溢出效应;另一方面,绿色创新链升级水平较高地区优质要素集聚程度、技术水平、市场环境质量相对较高,更容易吸引周边地区技术、资金、人才等要素涌入,从而产生“虹吸效应”[16]。在此影响效应下,创新要素配置功能的发挥可能会受到不同程度限制,导致绿色创新链升级在空间上呈现强者愈强、弱者愈弱的“马太效应”,继而产生绿色创新链升级负向溢出效应。据此,本文提出如下假设:

H2a:当“学习效应”的正向溢出强于“虹吸效应”的负向溢出时,创新要素配置正向影响绿色创新链升级溢出效应;

H2b:当“学习效应”的正向溢出弱于“虹吸效应”的负向溢出时,创新要素配置负向影响绿色创新链升级溢出效应。

1.3 市场化程度的调节作用

市场化程度是指市场在资源配置中发挥作用的程度,即在创新要素配置过程中市场所发挥的作用价值。经过市场化改革实践,我国已成功实现由计划经济向社会主义市场经济的跨越,政府干预和行政垄断大幅减少,有效释放了企业和科研机构等绿色创新主体的创新活力。2019年,国家发展和改革委员会、科技部印发《关于构建市场导向的绿色技术创新体系的指导意见》,强调要发挥“市场在绿色技术创新领域、技术路线选择及创新资源配置中的决定性作用”。可见,创新要素配置对绿色创新链升级的积极影响离不开良好的市场环境[17]。在不同市场化水平下,创新要素配置对绿色创新链升级的作用不同。当市场化水平较低时,各自为政现象较为突出,使得创新要素不能较好地实现整合,难于形成分工协作的全国创新链。市场化水平较低容易导致地方保护主义和市场分割盛行[18],产生要素流动障碍、市场扭曲等现实问题,阻碍创新要素配置赋能绿色创新链升级;市场化水平较高则可通过“无形之手”合理引导各类创新要素有效配置,抑制“市场扭曲”和“要素错配”行为,在构建“有效”市场中为创新要素配置赋能绿色创新链升级提供支撑。同时,较高的市场化水平还能为绿色创新主体提供相对公平的竞争环境,减少组织间信息不对称,通过发挥创新要素配置在资源供给、要素嵌入等方面的积极作用,推动绿色创新链升级。据此,本文提出如下假设:

H3:市场化程度对创新要素配置与绿色创新链升级关系发挥调节作用。

由前文分析可知,不同区域绿色创新链升级存在“学习效应”和“虹吸效应”,致使创新要素配置对绿色创新链升级可能存在正向或负向影响。在此过程中,市场化程度高低对创新要素配置功能的发挥具有差异化影响,使得创新要素配置与绿色创新链升级存在正向或负向两种调节效应。据此,进一步提出如下假设:

H4a:当创新要素配置对绿色创新链升级溢出效应产生正向影响时,市场化程度发挥正向调节作用;

H4b:当创新要素配置对绿色创新链升级溢出效应产生负向影响时,市场化程度发挥负向调节作用。

综上所述,本文构建如图1所示的理论模型。

2 模型设定与数据说明

2.1 空间计量模型构建

空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)是学术界普遍采用的3类空间计量模型。其中,空间杜宾模型作为空间滞后模型和空间误差模型的组合形式,可增加相应约束条件,并同时考虑解释变量和被解释变量的空间滞后相关性。换言之,与空间滞后模型(SAR)和空间误差模型(SEM)相比,空间杜宾模型可对绿色创新链升级水平受到本地、邻地创新要素配置的直接效应和间接效应进行分离,比较契合本文研究。同时,当被解释变量受到某种限制时,可能存在仅被部分观测到的现象。因此,借鉴贺宝成和熊永超[19]的研究,采用Tobit空间杜宾模型考察创新要素配置对绿色创新链升级及溢出效应的影响。具体而言,借助模型(1)对假设H1、H2a和H2b进行检验,借助模型(2)对H3、H4a和H4b进行检验。

GICit=ρ1WGICit+β1IFAi,t-1+β2Xit+ρ2WIFAi,t-1+ρ3WXit+εit

(1)

GICit=ρ1WGICit+β1IFAi,t-1+β2MAit+β3(MAit×IFAi,t-1)+β4Xit+ρ2WIFAi,t-1+ρ3WMAit+ρ4(WMAit×IFAi,t-1)+ρ5WXit+εit

(2)

其中,i表示不同省份,t表示不同年份;GICit表示绿色创新链升级水平;IFAi,t-1表示创新要素配置滞后一期;MA表示调节变量市场化程度;MAit×IFAi,t-1表示市场化程度与创新要素配置的交互项;Xit为控制变量;W为权重矩阵,ρ为空间效应系数,εit为随机误差项。

2.2 数据来源与变量选取

2.2.1 数据来源

本文以2011—2020年中国内地30个省份(西藏地区因数据不全,故未纳入统计)面板数据作为研究样本,数据来源于《中国科技统计年鉴》《中国统计年鉴》《中国能源统计年鉴》、CNRDS数据库、地方统计年鉴以及统计公报,对缺失数据采用插值法补齐。

2.2.2 变量选取与度量

2.2.2.1 被解释变量:绿色创新链升级(GIC)

当前,学术界对绿色创新链的研究相对匮乏,且多集中于概念界定阶段。创新链强调创新成果产出,要求凸显创新活动链式发展过程。结合创新链动态发展特征,笔者认为绿色创新链升级是创新链的衍生概念,体现出从创新投入到成果产出再到经济转化的动态过程。因此,从单一角度考察绿色创新效率或产出,难以呈现绿色创新链升级水平动态演化规律。故本文立足于绿色创新链升级内涵,采用综合指标构建方法全面反映绿色创新链链式升级过程。在方法选取上,传统非参数数据包络分析无法进行非角度非径向研究,可能会导致投入要素“松弛”或“拥挤”。而改进的Super-SBM模型可将松弛变量置入目标函数,允许各要素根据现实情境和数据特征加以改进,可提升评价准确度及可信度[20]。基于此,借鉴魏丽莉和侯宇琦[21]的做法,选用改进的Super-SBM模型对绿色创新链升级水平进行测度。具体方法如下:

假设存在n个有效决策单元(DMU),每个有效决策单元使用m类投入要素(X),可生产期望产出(yg)s类、非期望产出(yb)q类;ρ表示绿色创新链升级水平效率值。测度模型构建如下:

(3)

其中,为投入要素的松弛向量,为期望产出的松弛向量,为非期望产出的松弛向量,λ为计算权重系数。

当投入一定要素后,期望产出越大、非期望产出越小,表明绿色创新链升级水平越高。基于绿色创新链升级与模型数据要求,综合借鉴王彩明和李健[22]、彭影和李士梅[23]、孙博文和张友国(2022)的研究,构建绿色创新链升级水平评价指标体系。

(1)投入指标。绿色创新链升级离不开外部环境和各类要素支持。因此,本文从外部环境投入、资本投入、劳动力投入和能源投入4个方面选取投入指标,综合衡量绿色创新链升级投入情况。外部环境投入采用研发机构数量、政府税收减免力度、地方性专利及创新支持法规、政策文件数量衡量;资本投入采用固定资本存量、技术引进及改造经费测度;劳动力投入以年末单位从业人员数、R&D人员全时当量表征;能源投入采用能源消耗总量、环境污染治理费用衡量。

(2)期望产出指标。绿色创新链升级期望产出指标包含经济效益、成果转化和技术传播3部分,体现出链式变化过程。其中,经济效益涵括新产品开发收益和工业增加值;成果转化包含形成国家或行业标准数、有效绿色发明专利授权数;技术传播包括专利所有权转让及许可收入、地区间发明专利权转移数。

(3)非期望产出指标。非期望产出以环境污染测度,主要包括工业废水排放量、工业二氧化硫排放量、工业粉尘烟尘排放量3个指标。

上述指标基本涵括绿色创新链升级过程和结果链条化阶段,具有一定客观性,具体指标如表1所示。

2.2.2.2 核心解释变量:创新要素配置(IFA)

创新要素配置主要是指创新资本、创新人员等要素由低效率部门向高效率部门流动的过程,此过程可使要素配置达到帕累托最优状态,即实现创新资源配置效率最大化[4]。借鉴王宏鸣等[24]、Hu等[25]的做法,通过测度创新要素错配指数间接反映创新要素配置效率。

首先,分别对创新资本错配指数和创新人员错配指数进行测算:

(4)

其中,ηKi、ηKi分别表示创新资本和创新人员要素价格的绝对扭曲系数。

其次,为便于计算,将其分别转化为价格相对扭曲系数进行测算:

(5)

其中,γi表示创新产出份额,θKi、θLi表示i地区创新资本和创新人员的加权平均弹性,由和两个数值可以看出创新资源实际配置与理想情况的比值。当比值大于1时,说明实际创新资源过多;当比值小于1时,表明创新资源不足;当比值接近于1时,意味着创新资源配置效率趋于优化。此外,为避免符号不一致,对ηKi、ηKi取绝对值,数值越大表明错配程度越高。

最后,假设创新生产函数为C-D生产函数,表达式如下:

(6)

其中,Y表示创新产出,采用专利申请数度量;Kit表示创新资本投入量,采用R&D经费投入度量;Lit表示创新人员投入量,采用R&D人员全时当量度量。创新资本错配程度和创新人员错配程度取相反数,得到创新资本配置效率和创新人员配置效率。进一步,借鉴杨传喜等(2021)的研究,创新要素配置水平采用创新资本配置效率和创新人员配置效率加总平均值度量。

2.2.2.3 调节变量:市场化程度(MA)

市场化发展作为一种外部驱动机制,通过“无形的手”推动创新要素合理、有效配置,强化创新要素配置对绿色创新链升级的影响。参考王小鲁等[26]编撰的《中国分省份市场化指数报告(2021)》,采用市场化指数衡量市场化程度。由于该报告最新数据更新到2019年,故本文将历年市场化数据的平均增长项作为预测标准,以2016年数据为基准推测2020年市场化指数。

2.2.2.4 控制变量

借鉴相关学者研究[27],选取以下可能影响绿色创新链升级的控制变量。

(1)产业结构(IS):相对而言,第三产业污染排放明显低于第一、第二产业,对实现绿色发展具有重要作用,故采用第三产业增加值占GDP的比重衡量。

(2)人力资本(HR):绿色创新链升级由研发与生产共同推动,而人才在其中发挥关键作用。人力资本能够改良绿色生产工艺、生产设备和管理制度,对绿色创新链升级产生积极影响,故以各省普通高等教育本专科人数占各省年底总人口的比重衡量。

(3)外商直接投资(FDI):外商直接投资可为地区绿色创新注入资金和技术要素,为绿色创新链升级提供支撑,采用各省份当年实际外资使用金额占GDP的比重度量。各变量定义如表2所示。

3 实证结果分析

3.1 绿色创新链升级空间分布态势

本文以中国内地30个省份绿色创新链升级均值为基准,绘制空间四分位地图,直观呈现绿色创新链升级空间特征(结果备索)。就东部地区而言,绿色创新链升级高水平地区包括广东、北京、上海等省市,表明东部地区珠三角、京津冀和长三角地区绿色创新链升级水平较高,并呈现较强的空间集聚性。中部地区仅有湖北和安徽两省份绿色创新链升级处于高水平阶段,可能受到东部地区周边省域“虹吸效应”的影响。西部地区四川省绿色创新链升级水平最高,其余绿色创新链升级水平较高省份多集中于西南区域,且呈现空间集聚特征。原因在于,西南地区云南、重庆等省市政策扶持力度较大,人才、资金等要素供给较为充足,为绿色创新链升级带来积极影响。东北部地区吉林省绿色创新链升级水平最高,而黑龙江则处于较低水平,这可能与黑龙江地域辽阔,资金、人才要素供给相对滞后有关。综合而言,我国绿色创新链升级整体呈现“东高西低”格局,具有空间集聚特征和溢出效应。

3.2 空间权重矩阵与空间相关性分析

本文构造地理权重矩阵、0-1邻接权重矩阵和经济距离权重矩阵,对绿色创新链升级空间相关性进行分析,结果如表3所示。从中可见,3种空间权重矩阵绿色创新链升级莫兰指数(Moran′I)分别为0.111、0.212、0.124,且均在1%水平上显著,表明绿色创新链升级存在正向空间自相关性;创新要素配置滞后一期Moran′I在地理权重矩阵和0-1邻接权重矩阵下显著为正,说明创新要素配置存在空间相关性;其余控制变量Moran′I在3种权重矩阵下均通过1%显著性水平检验。上述结论表明,从空间视角出发研究创新要素配置对绿色创新链升级溢出效应十分必要。

3.3 Tobit-SDM模型计量检验

进一步,借助地理距离空间权重矩阵展开分析,结果如表4所示。其中,空间杜宾模型(Tobit-SDM)、空间滞后模型(Tobit-SAR)、空间误差模型(Tobit-SEM)的LR统计量在5%水平上显著,表明空间计量模型适合作为本文回归模型。进一步观察Wald Test1和Wald Test2两个统计量发现,两者至少在10%显著性水平上显著,说明空间杜宾模型优于另外两个模型,更适用于本文面板数据计量分析。综合分析可知,在3类空间计量模型中,创新要素配置均正向影响绿色创新链升级,回归系数通过1%显著性水平检验,表明创新要素配置可促进本地区绿色创新链升级,假设H1得到验证。此外,空间自回归系数在5%水平上显著为正,说明绿色创新链升级存在空间溢出性。本地区绿色创新链升级产生正向溢出效应,带动周边地区绿色创新链升级,并呈现高-高空间集聚特征。原因在于,绿色创新活动往往伴随着技术、人才、资金等不同要素跨区域交换与流动,因而对周边地区绿色创新链升级带来积极影响。

上述空间计量模型回归结果证实绿色创新链升级存在空间依赖性,但创新要素配置对绿色创新链升级的溢出效应仍需进一步验证。基于此,借鉴Yang等[28]的研究,将地理距离权重矩阵下空间杜宾模型分解为直接效应和间接效应,考察创新要素配置对本地与邻地绿色创新链升级的影响,结果如表5所示。从中可见,创新要素配置直接效应回归系数为0.021,通过1%显著性水平检验;间接效应回归系数为0.123,通过10%显著性水平检验,说明创新要素配置对绿色创新链升级存在显著正向影响。换言之,当绿色创新链升级带来的“学习效应”强于“虹吸效应”时,创新要素配置对绿色创新链升级溢出效应存在正向影响,假设H1和H2a得到验证。在控制变量层面,产业结构直接效应和间接效应回归系数均为正,说明产业结构对绿色创新链升级同时存在直接影响和间接影响。人力资本对绿色创新链升级的直接效应系数显著为正,说明人力资本对绿色创新链升级仅存在直接影响,即人力资本促进本地区绿色创新链升级,但对周边地区绿色创新链升级的影响作用不显著。外商直接投资对绿色创新链升级存在直接影响和间接影响,说明外商直接投资带来知识共享、人才流动和技术引进,在促进本地区绿色创新链升级的同时,对周边地区绿色创新链升级产生积极影响。

3.4 市场环境的调节效应

表6列示了在市场化程度调节作用下,创新要素配置对绿色创新链升级的影响。从中可见,市场化程度直接效应回归系数为0.037,通过1%显著性水平检验;间接效应回归系数为0.067,通过5%显著性水平检验,说明市场化程度对本地和邻地绿色创新链升级均具有显著促进作用。进一步分析发现,市场化程度与创新要素配置交互项的直接效应和间接效应回归系数均显著为正,系数值分别为0.009和0.023,说明市场化程度具有调节作用。市场化程度越高,市场调节下的绿色创新红利越多,越有利于激发创新要素配置对绿色创新链升级的溢出效应,假设H3和H4a得到验证。究其原因,当市场化程度较高时,可在一定程度上打破价格垄断,增强要素竞争和流动,促进创新要素合理配置,赋能绿色创新链升级和溢出。

4 区域异质性与稳健性检验

4.1 异质性分析

表7列示了创新要素配置对绿色创新链升级及溢出效应的分区域检验结果。一方面,直接效应模型(1)和(5)回归结果显示,创新要素配置滞后一期回归系数显著为正,说明创新要素配置对东部和西部地区绿色创新链升级具有显著促进作用。在东部和西部地区,创新要素配置功能得以有效发挥,促进信息、资金、人才等创新要素科学、合理配置,为绿色创新链升级注入要素活力。而在直接效应模型(3)和(7)中,创新要素配置滞后一期回归系数为正,但未通过显著性检验,说明在中部和东北地区,创新要素配置对绿色创新链升级的促进作用未能有效发挥。究其原因在于,近年来东部地区优先发展、西部大开发等国家战略的实施,造成中部与东北地区绿色创新发展凹陷和失衡,使得创新要素配置对绿色创新链升级的促进作用难以凸显;另一方面,在间接效应模型(2)和(6)回归结果中,创新要素配置滞后一期回归系数显著为正,说明在东部和西部地区,创新要素配置对绿色创新链升级溢出效应具有正向影响。在绿色创新链升级水平较高地区,创新要素配置能够更好地带动并辐射周边地区进行绿色创新链升级。在间接效应模型(4)和(8)中,创新要素配置滞后一期回归系数为负,这有可能是因为中部与东北地区绿色创新链升级的“虹吸效应”超越“学习效应”,使得创新要素配置未激发绿色创新链升级的正向溢出效应,甚至还有可能抑制周边地区绿色创新链升级。细究原因,中部和东北地区在向绿色低碳转型过程中容易虹吸大量新能源、绿色材料等绿色高端产业,并推动传统高污染、高能源消耗产业向周边地区转移,挤占周边地区创新要素,继而对周边地区绿色创新链升级产生消极影响。

进一步对比系数值可以发现,西部地区创新要素配置滞后一期直接效应和间接效应系数均高于其它3个地区。这说明,创新要素配置对绿色创新链升级及溢出效应的影响具有显著区域差异性,且对西部地区的促进作用最强。原因在于,《中共中央 国务院关于新时代推进西部大开发形成新格局的指导意见》《关于加强科技创新促进新时代西部大开发形成新格局的实施意见》等一系列政策文件的实施,有效提升了西部地区绿色创新能级,优化了西部地区创新格局。在国家政策支持下,西部地区整体绿色创新持续向好发展,促使绿色创新链向更高水平升级。

在控制变量层面,中部、西部和东北部地区产业结构对绿色创新链升级及溢出效应具有正向影响,而在东部地区这一影响效应为负,这可能与东部沿海地区落后产业与低端要素向周边转移有关。人力资本对绿色创新链升级的直接影响在东部地区显著为负,在其余3个地区均为正向影响;其对绿色创新链升级的溢出效应在四大区域均呈现负向影响。原因在于,东部地区经济发展基础良好,人才集聚程度较高,可能会引发其它地区绿色技术创新人才供给不足,继而对周边地区绿色创新链升级造成不利影响。外商直接投资对绿色创新链升级及溢出效应在东部地区显著为正,在其余3个地区则对周边地区绿色创新链升级产生抑制作用,这可能与上述地区外商直接投资供给失衡有关。

4.2 稳健性检验

在上述研究的基础上,本文采取以下方式进行稳健性检验。第一,对样本数据进行缩尾处理。鉴于异常值可能对研究结论造成干扰,对变量进行上下5%缩尾处理,对模型进行重新回归。第二,替换被解释变量,将绿色创新链升级水平测度方式调整为主成分分析法重新进行回归。第三,将地理距离权重矩阵替换为经济距离权重矩阵,对空间计量模型进行重新回归,上述稳健性检验结果如表8所示。分析可知,稳健性检验结果与上述回归结果基本吻合,证实研究结论比较稳健。

5 结论与建议

5.1 研究结论

本文基于2011-2020年中国内地30个省份面板数据构建Tobit空间杜宾模型,实证检验创新要素配置对绿色创新链升级及溢出效应的影响。研究发现:第一,绿色创新链升级存在正向空间溢出效应,通过“学习效应”促进周边地区绿色创新链升级。第二,创新要素配置对绿色创新链升级及溢出效应具有显著正向影响,且该影响存在显著的区域异质性。在东部和西部地区,创新要素配置对绿色创新链升级直接影响效应及溢出效应均为正;在中部和东北地区,创新要素配置对绿色创新链升级的直接影响效应为正,对溢出效应影响为负。第三,市场化程度发挥调节作用,即市场化水平越高,创新要素配置对绿色创新链升级的正向影响越显著。

5.2 政策建议

(1)推动创新要素高效、合理配置。结论证实,创新要素配置对绿色创新链升级及溢出效应存在正向影响,且该影响存在显著区域异质性。对此,政府部门应积极采取举措释放创新要素配置潜能,为绿色创新链升级提供强大动能。一方面,搭建协同创新平台,改进创新要素配置模式,破除信息壁垒,降低信息成本和创新成本,激发企业绿色研发创新能力,推动不同区域绿色技术互联互通、良性循环,继而实现绿色创新链升级;另一方面,地方政府需因地制宜、因城施策,优化创新资源配置结构,推动人才、资金、技术等绿色创新要素跨区域流动与共享,充分释放绿色创新要素活力,助力绿色创新链升级。

(2)构建区域绿色创新协同机制。研究发现,绿色创新链升级存在显著正向空间溢出效应,通过“学习效应”在邻近地区传导,促进周边地区绿色创新链升级。因此,政府部门应构建区域绿色创新合作模式,实现绿色创新链协同升级。第一,不同区域应对绿色低碳关键技术突破、零部件开发展开跨区域产学研一体化联合攻关,共同推进高效光热、电热储能、先进核电等绿色技术研发与应用转化,以技术突破赋能绿色创新链升级。第二,应打造绿色创新技术共同体,搭建“中心+外围”的绿色创新合作模式,发挥中心地区技术带动、平台带动作用,鼓励外围落后地区深度挖掘绿色创新潜力,实现绿色创新链整体升级。

(3)充分激发市场活力。研究表明,市场化程度在创新要素配置对绿色创新链升级影响中发挥正向调节作用。因此,要尊重和把握绿色技术创新市场规律,发挥市场在创新资源配置中的决定性作用。一方面,应完善创新要素市场化配置体制机制,健全绿色创新要素由市场评价贡献、按贡献决定报酬的相关机制,充分激发要素配置潜能,强化创新要素配置对绿色创新链升级的赋能作用;另一方面,不断发挥政府对创新要素配置的监管作用,弥补要素流动、配置过程中的市场失灵,维护市场竞争秩序,增强创新要素配置对绿色创新链升级的影响。

5.3 不足与展望

本文存在以下不足:一方面,重点探究市场化程度对创新要素配置与绿色创新链升级关系的调节作用,而创新要素配置与绿色创新链升级还有可能存在其它外在机制,未来应从中介机制切入;另一方面,考虑到数据可得性,样本选取省级层面数据,未来应将调研样本数据深入到城市一级,获取更为细致的观测数据,以深化创新要素配置赋能绿色创新链升级的研究结论。

参考文献：

[1] SEN N.Innovation chain and CSIR[J].Current Science,2003,85(5):570-574.

[2] 李琳,廖斌.金融集聚对绿色创新链升级的影响与空间效应[J].中南大学学报(社会科学版),2022,24(3):124-137.

[3] EMMANUEL D,MEGAN M.How well do patent citations measure flows of technology? evidence from French innovation surveys[J].Development and Comp Systems,2005,14(5):375-393.

[4] 门秀萍,李旭辉,何金玉.创新要素配置效率的区域差异及动态演进——基于长江经济带的统计测度[J].统计与决策,2022,38(17):97-102.

[5] 郭宇航,孔薇巍.中国创新要素市场优化配置的统计测度[J].经济体制改革,2022,40(6):36-42.

[6] MONTOBBIO F.The obalization of technology in emerging markets:a gravity model on the Determinants of International Patent Collaborations[J].World Development,2013,44:281-299.

[7] 凌华,李新伟,董必荣,等.互联网、创新要素流动与区域创新能力差异[J].审计与经济研究,2020,36(6):115-126.

[8] SOOK T.Innovation across cities[J].Journal of Regional Science,2018,58(2):295-314.

[9] 吴卫红,董姗,张爱美,等.创新要素集聚对区域创新绩效的溢出效应研究——基于门槛值的分析[J].科技管理研究,2020,40(5):6-14.

[10] 彭影.数字经济下创新要素综合配置与产业结构调整[J].当代经济管理,2022,43(3):48-58.

[11] JUDITH J M,HARRIE VREDENBURG.An empirical study of factors influencing innovation implementation in industrial sales organizations[J].Journal of the Academy of Marketing Science,1992,20(3):205-215.

[12] 谢贤君,王晓芳,雷明.金融结构-创新水平匹配、资源配置效率与绿色全要素生产率[J].财经论丛,2020,36(7):43-52.

[13] 贺灵,付丽娜.创新要素协同、市场化改革与制造业高质量发展[J].财经理论与实践,2021,42(6):126-131.

[14] 杨忠,李嘉,巫强.创新链研究:内涵、效应及方向[J].南京大学学报(哲学·人文科学·社会科学),2019,65(5):62-70,159.

[15] 戴万亮,路文玲.环保舆论压力对制造企业绿色创新能力的影响——领导环保意识与组织绿色学习的链式中介效应[J].科技进步与对策,2020,37(9):131-137.

[16] 姚东旭.京津冀协同创新是否存在“虹吸效应”——基于与珠三角地区对比分析的视角[J].经济理论与经济管理,2019,39(9):89-97.

[17] 丁焕峰,孙小哲,王露.创新型城市试点改善了城市环境吗[J].产业经济研究,2021,20(2):101-113.

[18] 杜宇,吴传清,邓明亮.政府竞争、市场分割与长江经济带绿色发展效率研究[J].中国软科学,2020,35(12):84-93.

[19] 贺宝成,熊永超.国家审计如何影响政府治理效率——基于Tobit-SDM模型的空间计量分析[J].审计与经济研究,2021,37(6):16-25.

[20] TSOLAS IOANNIS E.Performance evaluation of utility exchange-traded funds:a super-efficiency approach[J].Journal of Risk and Financial Management,2022,15(7):318-318.

[21] 魏丽莉,侯宇琦.数字经济对中国城市绿色发展的影响作用研究[J].数量经济技术经济研究,2022,39(8):60-79.

[22] 王彩明,李健.中国区域绿色创新绩效评价及其时空差异分析——基于2005—2015年的省际工业企业面板数据[J].科研管理,2019,40(6):29-42.

[23] 彭影,李士梅.创新要素流动与城市绿色创新发展——数据要素流动环境的空间调节作用[J].科技进步与对策,2023,40(1):30-39.

[24] 王宏鸣,陈永昌,杨晨.数字化能否改善创新要素错配——基于创新要素区际流动视角[J].证券市场导报,2022,32(1):42-51.

[25] HU J F,ZHANG X F,WANG T T.Spatial Spillover effects of resource misallocation on the green total factor productivity in Chinese agriculture[J].International Journal of Environmental Research and Public Health,2022,19(23):15718.

[26] 王小鲁,胡李鹏,樊纲.中国分省份市场化指数报告[M].北京:社会科学文献出版社,2021.

[27] 李新安.环境规制、政府补贴与区域绿色技术创新[J].经济经纬,2021,38(3):14-23.

[28] YANG S P,CHEN Z L.Environmental regulation and high-quality sustainable development of China's economy-an empirical study based on a spatial durbin model and threshold model[J].Economic Research-Ekonomska Istrazivanja,2022,35(1):5699-5718.

(责任编辑：王敬敏)